1049. 最后一块石头的重量 II
代码随想录:1049. 最后一块石头的重量 II
Leetcode:1049. 最后一块石头的重量 II
做题
经提示,与 Day41 的 416. 分割等和子集 很像,求解如下:
class Solution:
def lastStoneWeightII(self, stones: List[int]) -> int:
stones_sum = sum(stones)
target = stones_sum // 2
n = len(stones)
dp = [0] * (target+1)
for i in range(n):
for j in range(target, stones[i]-1, -1):
dp[j] = max(dp[j], dp[j - stones[i]] + stones[i])
return stones_sum - 2 * dp[target]
时间复杂度:O(m × n) , m是石头总重量(准确的说是总重量的一半),n为石头块数
空间复杂度:O(m)
看文章
思路一致。
494. 目标和
代码随想录:494. 目标和
Leetcode:494. 目标和
做题
无思路。
看文章
通过数学推理,转换为01背包问题。分割成两个集合,一个集合为加,集合求和为left,另一个集合为减,集合求和为right。那么,left - right = target。而全集合的和为sum,故 left + right = sum。那么,可以推理得到 left = (sum + target) / 2。到此,问题就转换为,找出和为left的集合,有几种组合方法。
定义dp[j]:容量为 j 时,有多少种组合方法。
最终代码如下:
class Solution:
def findTargetSumWays(self, nums: List[int], target: int) -> int:
total_sum = sum(nums) # 计算nums的总和
if abs(target) > total_sum:
return 0 # 此时没有方案
if (target + total_sum) % 2 == 1:
return 0 # 此时没有方案
target_sum = (target + total_sum) // 2 # 目标和
dp = [0] * (target_sum + 1) # 创建动态规划数组,初始化为0
dp[0] = 1 # 当目标和为0时,只有一种方案,即什么都不选
for num in nums:
for j in range(target_sum, num - 1, -1):
dp[j] += dp[j - num] # 状态转移方程,累加不同选择方式的数量
return dp[target_sum] # 返回达到目标和的方案数
474.一和零
代码随想录:474.一和零
Leetcode:474.一和零
做题
相当于有两个约束(常规的01背包只有一个重量约束)。
看文章
按照文章思路写了一下,发现最后return位置放错了(放在for里面了)。
class Solution:
def findMaxForm(self, strs: List[str], m: int, n: int) -> int:
dp = [[0] * (n + 1) for _ in range(m + 1)] # 创建二维动态规划数组,初始化为0
# 遍历物品
for s in strs:
ones = s.count('1') # 统计字符串中1的个数
zeros = s.count('0') # 统计字符串中0的个数
# 遍历背包容量且从后向前遍历
for i in range(m, zeros - 1, -1):
for j in range(n, ones - 1, -1):
dp[i][j] = max(dp[i][j], dp[i - zeros][j - ones] + 1) # 状态转移方程
return dp[m][n]
时间复杂度: O(kmn),k 为strs的长度
空间复杂度: O(mn)
以往忽略的知识点小结
- 将问题拆分为求两个子集,可能需要数学推导
- 多个约束的背包问题
个人体会
完成时间:2h30min。
心得:动态规划的思路挺有意思的。